如何将DataFrame转换为含复合键的字典，避免值被覆盖

我有如下所示的DataFrame：

col1   col2    col3  col4   action_id
0   1      2        2     0       a, apple
1   1      2        3     5       b, apple
2   0.2   0.3       8     1       c, apple
3   0.2   0.02      1     2       a, apple
4   11     11       22    11      b, apple

我希望将该DataFrame转换为以action_id为键、其余列为值的字典，期望输出格式如下：

{(1, 'a', 'apple'): array([[1, 2, 2, 0]]),
(1, 'b', 'apple'): array([[1, 2, 3, 5]]),
(1, 'c', 'apple'): array([[0.2, 0.3, 8, 1]]),
(2, 'a', 'apple'): array([[0.2, 0.02, 1, 2]]),
(2, 'b', 'apple'): array([[11, 11, 22, 11]])}

我尝试了以下方法（其中var为该DataFrame变量）：

data2d = var.set_index('action_id').T.to_dict('list')

但该方法会覆盖重复键对应的值，仅返回重复键的最后一个值，结果如下：

{('c', 'apple'): array([[0.2, 0.3, 8, 1]]),
('a', 'apple'): array([[0.2, 0.02, 1, 2]]),
('b', 'apple'): array([[11, 11, 22, 11]])}

请问有没有办法保留含不同值的重复键？

编辑内容 #

我对action_id列做了修改，新增了一个元素，修改后的DataFrame如下：

col1   col2    col3  col4   action_id
0   1      2        2     0       1, a, apple
1   1      2        3     5       1, b, apple
2   0.2   0.3       8     1       1, c, apple
3   0.2   0.02      1     2       2, a, apple
4   11     11       22    11      2, b, apple

但仍然遇到相同的问题，仅返回最后一个值：

{(1, 'c', 'apple'): array([[0.2, 0.3, 8, 1]]),
(2, 'a', 'apple'): array([[0.2, 0.02, 1, 2]]),
(2, 'b', 'apple'): array([[11, 11, 22, 11]])}

方法一：分组后手动构建字典 #

先把action_id列拆成唯一的元组键，再按分组提取对应数据转成数组，最后组装成字典：

import pandas as pd
import numpy as np

# 处理action_id列，转为带类型的元组（第一个元素转int，其余转字符串）
var['action_id'] = var['action_id'].apply(
    lambda x: tuple(
        int(item.strip()) if i == 0 else item.strip() 
        for i, item in enumerate(x.split(','))
    )
)

# 分组构建目标字典
result = {}
for key, group in var.groupby('action_id'):
    # 提取非action_id列，转为二维数组
    result[key] = group.drop('action_id', axis=1).values.reshape(1, -1)

方法二：用分组聚合+to_dict简化实现 #

和方法一逻辑一致，用聚合函数直接把每组数据转成数组，再转字典：

import pandas as pd
import numpy as np

# 先处理action_id列
var['action_id'] = var['action_id'].apply(
    lambda x: tuple(
        int(item.strip()) if i == 0 else item.strip() 
        for i, item in enumerate(x.split(','))
    )
)

# 分组聚合后转字典
result = var.groupby('action_id').agg(
    lambda x: np.array(x).reshape(1, -1)
).to_dict('index')

原方法失效原因 #

set_index('action_id')要求索引唯一，虽然重复索引不会报错，但后续转字典时会自动保留最后一条重复索引对应的值，这就是出现覆盖问题的核心原因。

内容的提问来源于stack exchange，提问作者Ninad Kulkarni